典型文献
基于贝叶斯优化的集成模型对PM2.5浓度预测
文献摘要：
为提升细颗粒物(PM2.5)浓度预测的准确性,引入大气气象参数,分析PM2.5与污染物以及大气气象参数之间的相关性,并对某市62个地点使用k-means算法进行聚类,分别对聚类后的不同区域,使用集成算法建立Bagging-Stacking集成模型,对PM2.5浓度进行预测.实验结果表明,使用贝叶斯优化的Bagging-Stacking模型能更准确地挖掘影响因子之间的潜在关系;与单一预测模型相比,该模型的预测结果具有更低的MAE、RMSE和更高的R2,表明模型具有更好的预测性能和泛化能力.
文献关键词：
细颗粒物;气象参数;集成模型;贝叶斯优化
中图分类号：
作者姓名：
韩存鑫;陈超;黄乐成
作者机构：
四川轻化工大学计算机科学与工程学院,四川宜宾644000
文献出处：
引用格式：
[1]韩存鑫;陈超;黄乐成-.基于贝叶斯优化的集成模型对PM2.5浓度预测)[J].实验室研究与探索,2022(10):65-69
A类：
B类：
贝叶斯优化,集成模型,PM2,浓度预测,细颗粒物,气气,气象参数,某市,means,集成算法,Bagging,Stacking,潜在关系,MAE,RMSE,预测性能,泛化能力
AB值：
0.30785
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
